Collaborative Deep Learning for Recommender Systems (KDD 2015) 読んだ - 糞糞糞ネット弁慶
[1409.2944] Collaborative Deep Learning for Recommender Systems 同タイトルの論文 ( TeX のフォーマットは NIPS で用いられているもの) が arXiv にアップロードされていたので読んだ． Collaborative Topic Regression (CTR) と Stacked Denoising AutoEncoder (SDAE) を組み合わせて推薦を行う． Collaborative Topic Regression (CTR) Collaborative Topic Modeling for Recommending Scientific Articles (KDD 2011) この論文，CTR さえ分かってしまえばあとはどうにかなる． まず入力として，I 人のユーザと J 個アイテムの 0/1 レーティ
「David Blei x Owen Zhang来日記念カンファレンス『データサイエンス最先端活用』」を (半分だけ) 聞いた - 糞糞糞ネット弁慶
http://recruit.ai/event/datascience_update0210.html David M. Blei に Owen Zhang の話が聞けるということで行ってきた． 朝起きた瞬間から嫌な予感はしていたけれど、会場に着いたあたりで頭痛吐き気悪寒脂汗が止まらなくなってしまったため、午前中だけ聞いて帰って寝た． メモが後半になるにつれ適当になっているのもそのため． [基調講演1] "Probabilistic Topic Models and User Behavior" : Columbia大学 David Blei教授 資料 : Probabilistic Topic Models and User Behavior(pdf) 資料を読めば大体わかるので、いくつか載っていない点や気になった点をメモ． トピックモデル、色々ある トピックがわかる その時系列変化がわ
トピックモデルを利用した対話アプリケーションの作成 - Qiita
ブルーライトに目が焼かれるよりも、ブルーオーシャンで目を癒したい。 もうすぐ2015年も終わりに近づいていますが、皆様いかがお過ごしでしょうか。年末ぐらいは自然に還りたいということで、今回はトピックモデルを利用した対話形式で旅行提案を行うアプリケーションの作成方法についてご紹介します。 本記事は、以前公開したトピックモデルを利用したアプリケーションの作成の姉妹記事になります。 当時はアプリケーションの作成が追い付いておらず、「アプリケーションの作成」と言っておきながらアプリケーションの作成に至っていなかったため、それを補完する内容になります。 トピックモデルそのものについては今回はあまり触れないので、興味がある方は前述の記事の方をご参照ください。 トピックモデルとは 詳細な解説はこちらに譲りますが、トピックモデルとは、その名前の通り文書をトピックごとに分類するための手法です。 ここでいう「
第46回 データマイニング+WEB ＠東京( #TokyoWebmining 46th ) ー統計モデリング 実活用 祭りーを開催しました - hamadakoichi blog
2015/05/30 "第46回 データマイニング+WEB ＠東京 ( #TokyoWebmining 46th ) ー統計モデリング 実活用 祭りー" を開催しました。 第46回 データマイニング+WEB ＠東京 ( #TokyoWebmining 46th ) ー統計モデリング 実活用 祭りー Eventbrite Google グループ 会場提供し運営を手伝って下さった SmartNews のみなさん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。会場参加、USTREAM参加ともに多くの方々の参加を嬉しく思っています。 参加者ID・バックグラウンド一覧 参加者Twitter List : tokyowebmining-46 参加者セキココ：第46回 データマイニング+WEB ＠東京 セキココ (作成してくれた [Twitter:@komiya_a
太宰治の文学の変化をTopic Modelで分析する · Naoki Orii's blog
海外に長い間住んでいると、日本語の活字を無性に読みたくなることが頻繁にある。青空文庫はその飢えを満たしてくれるサイトのうちのひとつだ。夏目漱石、芥川竜之介、宮沢賢治など名だたる作家の作品が収められているが、中でも太宰治の作品は私にとって特別な存在だ。 太宰治というと、「人間失格」のテーマ及び彼自身の入水自殺のインパクトがあまりにも強いためか、「暗い」「陰鬱」というイメージがあるようだ。例えば、私がまだ日本に住んでいた頃に軽い病気を患って1週間ほど入院していた時のことだ。元来読書が好きだったので、「久しぶりに集中して本を読む時間が出来た」くらいの軽い気持ちで「太宰治全集」を読んでいたら検温をしに来た看護師の方に「大丈夫ですか」と深刻な表情で訊かれたのを今でも記憶している。実際のところ、太宰は一貫して「暗い」作品を書いていたわけではなく、「お伽草紙」「富嶽百景」「走れメロス」などの明るい作品も
DTM解析 - 驚異のアニヲタ社会復帰の予備
DTMを行うためにコメントを文章化して lexicalize し、データ加工する。 Rに移る。w コメントは異常に多いため、w が2つ以上並ぶものは w 1つに処理する。 1つの動画に付いているコメントをつなぎあわせて文章化する。コメント 1000 以上ある動画を対象にした。というのも、10万も動画があったら解析が終わらないので、適当にコメント数を設定したら 1000 以上で 10560動画(約10%)になったからこれでいっかって。 wd <- "/niconico/output/" ### あるコメント数を超えている動画だけ対象とする metafile <- read.delim(paste(wd, "meta.txt", sep="")) idx <- which(metafile$comment_counter > 1000) commentfile <- paste(metafil
CTM Correlated Topic Model - 驚異のアニヲタ社会復帰の予備
LDAをやってみたわけだが、トピック間の関係も考慮したCorrelated Topic Model (CTM)というものがあるらしい。 Cでしかできない?と思っていたら、これは以前紹介したtopicmodelsパッケージでできるようだ。ldaパッケージと互換性があると以前書いたのでやってみる。 library(lda) library(topicmodels) data(AssociatedPress) data(cora.documents); data(cora.vocab) # LDA dtm0<- ldaformat2dtm(cora.documents, cora.vocab) # lda パッケージとの互換性変換っぽいやつ。cora は lda パッケージのもの lda0 <- LDA(dtm0, method="Gibbs", control=list(alpha=0.1),
トピックモデルシリーズ 5 PAM （Pachinko Allocation Model）
LDAの不満点の一つとしましては、トピック間の関係性を全て無視しているところです。例えば、「政治」と「経済」なんかは相関ありそうですよね。そういうトピック間の相関を考慮したモデルとしてはCTM（Correlated Topic Model）があります。実はStanのマニュアルでもCTMは実装されています（githubではここ）が、サンプルデータとサンプルプログラムをそのまま実行しても全く収束する気配がなくて殺意がわきます。またCTMの弱点としては2つのトピックの間の関係しか考慮されていないこと、また推定する分散共分散行列のパラメータ数がトピック数の2乗に比例して大きくなっていくという点が挙げられます。 そこで今回のPAM（[Li+ 2006]）を少し砕いて紹介して実装したいと思います。まずはこの記事の表記法は以下になります。前回の途中から使った単語の出現数（Frequency）を今回も使い
Tomoharu Iwata
NTTコミュニケーション科学基礎研究所 上席特別研究員 mail: tomoharu.iwata.gy at hco.ntt.co.jp 略歴 2001年 慶應義塾大学環境情報学部卒業 2003年 東京大学大学院総合文化研究科修士課程修了 2003年 日本電信電話株式会社入社 2008年 京都大学大学院情報学研究科博士課程修了 博士(情報学) 2012-2013年 ケンブリッジ大学客員研究員 表彰 ICWSM, Outstanding User Modeling Paper Award, 2023 電気通信普及財団 テレコム学際研究賞 奨励賞，2022 Workshop on Multilingual Representation Learning, Best Paper Award, Nov 2021 DICOMO2021シンポジウム, 優秀論文賞, 2021 自然言語処理研究会, 優秀
トピックモデルの応用： 関係データ、ネットワークデータ
NTT コミュニケーション科学基礎研究所 石黒 勝彦 1 2013/01/15-16 統計数理研究所 会議室1 • 購買データや科学論文など、時間変化をそも そも内包するデータは多数存在します • 従って、時系列（時間変化）データ内のトピッ クの解析も多数試みがなされています 2 3 2012 201301/15 01/16 • マルコフ性：前の時刻に依存して現在の時刻 の状態が変化する • 多くの時系列データでは、モデルのどの部分 にマルコフ性のアイデアを導入するか、がポ イントとなります • これはトピックモデルの時系列データモデル でも同様です 4 Dynamic Topic Model [Blei & Lafferty, 2006] 5 Blei and Lafferty, “Dynamic Topic Models”, in Proc. ICML, 2006. : exch
トピックモデルを用いてWeb小説のジャンル・流行を分析しよう
トピックモデルを用いてWeb小説のジャンル・流行を分析しよう Presentation Transcript トピックモデルを用いて WWeebb小説のジャンル・ 流行を分析しよう 22001133//0033//1199 ((KKMMCC春合宿22001133)) 近藤 誠一 ((@@sseeiikkiicchhii)) 自己紹介 近藤 誠一 (@seikichi):p 大学院修士1回生p 情報学研究科知能情報学専攻趣味:p ラノベ，料理，アニメ近況:p 電子書籍を買いまくり読みまくり楽しすぎp シュウ……カツ……シュウ……カツ…… 目次 p 今「小説家になろう」がアツいp トピックモデルことはじめp Latent Dirichlet Allocation (LDA) を用いたWeb小説ジャンル解析p Dynamic Topic Model (DTM)
トピックモデル - 驚異のアニヲタ社会復帰の予備
Latent Dirichlet allocation(LDA)というなかなか面白そうなテキストマイニングを教えてもらったのでやってみる。 最近のラノベのトピックは異世界物が多い。というかここ数年は、ツンデレ、空から女の子が降ってくるハーレム物から、難聴系・鈍感主人公がハーレムを築くような物へ移り変わっているような気がするが、物語自体のトピックを推定・分類して、流行り廃りをDynamic Topin Model(DTM)を用いて解析して遊んでみたらしい。 結果としては異世界でオレTSUEEEEEEEEE!!物が流行っているという結果だった。オレらの感触と全く同じようにデータが物語っているので、このビッグウェーブに乗り遅れないようにオレも明日からラノベ書くわ!! Rではlda, topicmodelsパッケージが使えるようで、お互いに互換性のあるクラスのようである。こちらでldaを使っていた
トピックモデルメモ - Negative/Positive Thinking
はじめに トピックモデルについてメモ。 トピックモデルとは 文書は、何らかの話題について書かれていたりする 「ある文書内に一緒にでてくる単語は、意味的な関連性が強い」など考えられる トピックモデルは、文書から「何らかの話題(＝トピック)」を発見するための統計的なモデルのこと トピックモデルのいろいろ Unigram Mixtures ナイーブベイズでクラス数kと各パラメータをEMで繰り返し推定していく http://www.kamalnigam.com/papers/emcat-mlj99.pdf Probabilistic Latent Semantic Indexing(PLSI) 検索技術であった潜在意味解析(LSI,1990年)を確率的に解析、開発された生成モデル(1999年) 各単語ごとに別なトピックから生成されたと仮定する http://cs.brown.edu/~th/pap
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
トピックモデルを用いた 潜在ファッション嗜好の推定
20151221 public
utsuro_lab
http://makotookabe.com/publication/watanabe_deim2011.pdf
https://www.anlp.jp/proceedings/annual_meeting/2014/pdf_dir/P5-10.pdf
Google Code Archive - Long-term storage for Google Code Project Hosting.
http://blog.yuku-t.com/entry/20110623/1308810518